多生物特征识别平台的设计与实现

针对目前生物特征识别研究大多基于特定特征而难以集成其它特征的现状，提出了整合多种生物特征识别技术的通用解决方案．通过对生物特征识别研究的需求进行分析，抽取了生物特征识别平台的基本逻辑模型．建立了易于扩展、可复用的生物特征识别平台框架THBio，同时在平台中进一步整合了生物特征识别评测厦多生物特征融合的功能，为提高生物特征识别技术的研究水平提供了可能．     

基于匹配分数的多生物特征识别融合综述

受数据噪音和识别系统本身的限制,基于单一生物特征的身份认证系统所能达到的准确率是有限的。通过多生物特征识别来提高识别的准确率成为当前生物特征识别领域的研究热点之一。首先介绍了多生物特征识别的必要性、多生物特征识别的分类,然后重点介绍了基于匹配分数的多生物特征识别融合的研究现状,最后总结了多生物特征识别研究中的问题和未来的研究方向。     

多生物特征识别技术综述

介绍了生物认证的发展状况和多生物特征提出的背景，提出了多生物特征认证的整体框架和具体参数的表征，并对不同的整合方法做了比较，分析了各自的优缺点。提出了最后关于多生物特征识别发展的看法。     

基于多生物特征识别的网络身份认证研究

针对单项生物特征在网络身份认证过程中,可能由于用户身体受到伤病或污渍的影响而导致系统无法正常识别、合法用户无法登录的问题。提出了将多种生物特征用于网络身份认证的方法,并对相关技术进行了探讨。     

生物特征识别综述*

对传统的身份鉴别手段和现代生物特征识别技术产生背景进行了综述,介绍目前典型的生物特征识别技术的原理和发展趋势,分析了实际应用中存在的优缺点,并探讨了基于个人生物特征融合的多生物特征识别技术和生物特征信息保护问题,强调了生物识别技术在身份认证领域的重要性。     

生物特征识别的关键技术与安全性思考

简要的介绍生物特征识别系统的工作模式,阐述多模态生物特征识别系统的模型和各种数据融合技术,分析了生物识别系统被易于攻击的环节,提出了一种综合提高系统安全性能的方法.     

融合多生物特征的RFID智能身份识别系统设计

RFID技术和生物特征识别得到了快速发展,为进一步提高身份识别的精度和效率,该文介绍了一种融合RFID和多生物特征的身份认证系统模型。该系统模型可以应用在很多领域如公共场所的安全检测、工作区域的出入口等,具有非常重要的实际应用价值。     

融合多生物特征的RFID智能身份识别系统设计

RFID技术和生物特征识别得到了快速发展,为进一步提高身份识别的精度和效率,该文介绍了一种融合RFID和多生物特征的身份认证系统模型。该系统模型可以应用在很多领域如公共场所的安全检测、工作区域的出入口等,具有非常重要的实际应用价值。     

生物特征识别技术及相关问题综述

生物特征识别技术利用人的生物特征信息，自动实现对个人身份的识别和认证。本文综述了目前已有的八种生物特征识别技术，比较其在特征提取方法以及实际应用等方面的不同之处。同时，还讨论了生物特征识别系统自身的安全性问题，以及其他相关问题。     

基于改进ENN算法的多生物特征融合的身份验证

基于多生物特征的身份鉴别技术已受到越来越多的重视.单个生物特征有其固有的局限性,通过融合不同的生物特征可以提高身份鉴别系统的验证性能和鲁棒性.该文融合了声纹和指纹特征,提出了一种改进的ENN方法,并与K-NN、传统ENN方法进行了比较.改进的ENN将认证率提高了大约2％.同时,又在不同的数据集上比较了改进的ENN方法和基于Bayes理论的融合系统,分析并评价了两种方法的适用范围和优缺点.实验结果证明了此方法的有效性.     

基于虹膜识别的身份鉴别

描述了基于虹膜识别的身份鉴别系统.该系统包括虹膜图像摄取、图像预处理、特征提取和匹配四个部分.虹膜图像摄取采用了自主开发研制的装置,特征提取采用Gabor滤波和Daubechies-4小波变换等纹理分析方法,匹配采用方差倒数加权欧氏距离方法.与现有的其它方法相比,该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性.     

Online Palmprint Identification System for Civil Applications

In this paper, a novel biometric identification system is presented to identity a person's identity by his/her palmprint. In contrast to existing palmprint systems for criminal applications, the proposed system targets at the civil applications, which require identifying a person in a large database with high accuracy in real-time. The system is constituted by four major components: User Interface Module, Acquisition Module, Recognition Module and External Module. More than 7,000 palmprint images have been collected to test the performance of the system. The system can identify 400 palms with a low false acceptance rate, 0.02%, and a high genuine acceptance rate, 98.83%. For verification, the system can operate at a false acceptance rate, 0.017% and a false rejection rate, 0.86%. The execution time for the whole process including image collection, preprocessing, feature extraction and matching is less than 1 second.     

基于傅立叶变换的掌纹识别方法

掌纹识别是指由计算机自动识别哪些掌纹图像来自同一只手掌,哪些来自不同的手掌.在掌纹识别中,特征提取算法的优劣至关重要.提出了一种基于傅立叶变换的掌纹特征提取方法.该方法的基本思想是先将掌纹图像应用傅立叶变换转换到频域,然后在频域中进行特征提取和描述.提取出来的特征备用来索引掌纹数据库,以便当一个新的掌纹图像被输入时,可以很快确定该手掌是否已经在掌纹库中注册.该方法可以用来做基于人体生物特征的身份识别,在安全领域有广泛的应用前景.实验验证了该方法的有效性.     

多通道生物特征认证融合算法

由于单生物特征认证往往难以满足实际应用的要求,本文在信息融合的基础上提出一个多通道生物特征认证模型,它采用基于PCA的人脸识剐方法和基于MFCC与VQ的说话人识别方法,在分数层使用多层线性分类器实现了人脸和语音的双通道融合。实验结果表明,在人脸识剐率和说话人识别率分剐为82．6％和75．9％的情况下,两个通道融合后的
识剐率达到了92．2％．     

基于小波变换和SVM的眉毛身份验证系统研究*

为了对眉毛这一新颖生物特征开展识别研究,提出了一种基于小波变换方法和支持向量机（SVM）的眉毛身份验证方法。其基本思想是用小波变换提取眉毛图像特征,然后用SVM进行训练和验证。在自建的100人眉毛数据库中进行的实验结果表明,该系统具有较低的错误拒绝率29.58%和错误接受率8.22%,从而验证了眉毛用于个人身份鉴别的可能性和有效性。     

应用于动态心电监测的自动身份识别系统

心电信号由于其易于监测和重要的临床应用价值成为物联网获取健康信息的重要内容。人体心电信号虽然是非稳态时变信号,但现有研究表明其可以作为一种新型的生物识别特征用于对识别分辨率要求不高的应用场合。本项目开发了一套应用于动态心电监测的自动用户身份识别系统。该系统侧重在手机端利用接收到的心电信号实现自动用户身份识别,并在远程接入服务器时基于身份识别结果将心电数据存入对应的用户数据库。所开发的身份识别系统可加载于现有加密模块之上,从而实现保密加认证的双重安全需求。     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

神经网络的多传感器数据融合基于新算法在障碍物识别中的应用

本文提出了一种用于自主式移动机器人的障碍物类型识别的数据融合新方法，有两种不同的神经网络——小脑模型联接控制器（ＣＭＡＣ）和多层前向网分别对来自ＣＣＤ摄象机的二维图象和来自超声测距系统的距离信息进行数据融合，而这两种神经网络事先都用围绕障碍物采集的数据集进行过离线训练．为了验证该系统的有效性，我们构造了一系列的仿真实验．实验结果表明，一台个人计算机就能实时地识别出障碍物的类型．     

APPLICATIONS OF DATA MINING TECHNIQUES TO AUTOMATIC FROG IDENTIFICATION

An intelligent frog call identifier is developed in this work to provide the public with easy online consultation. The raw frog call samples are first filtered by noise removal, high frequency compensation, and discrete wavelet transform techniques in that order. An adaptive end-point detection segmentation algorithm is proposed to effectively separate the individual syllables from the noise. Eight features, including spectral centroid, signal bandwidth, spectral roll-off, threshold-crossing rate, delta spectrum magnitude, spectral flatness, average energy, and mel-frequency cepstral coefficients are extracted and serve as the input parameters of the classifier. Three well-known classifiers, the kth nearest neighboring, a backpropagation neural network, and a naive Bayes classifier, are employed in this work for comparison. A series of experiments were conducted to measure the outcome performance of the proposed work. Experimental results show that the recognition rate of the k-nearest neighbor classifier with the parameters of mel-frequency cepstral coefficients can achieve up to 93.81%. The effectiveness of the proposed frog call identifier is thus verified.